PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.21344v1cs.AI

노이즈에 주의하라: 노이즈 데이터에 대한 트랜스포머 기반 상호작용 인식 궤적 예측 모델의 민감도

Mind the Noise: Sensitivity of Transformer-based Interaction-Aware Trajectory Prediction Models to Noisy Data

궤적 예측은 자율주행 차량이 주변 객체(또는 에이전트)의 미래 행동을 예측하고, 이에 따라 주행의 안전성과 효율성을 극대화할 수 있게 한다. 최신 트랜스포머 기반 상호작용 인식 궤적 예측 모델은 어텐션 메커니즘에 의존하여 다중 에이전트 상호작용을 포착하고 예측 정확도를 극대화하는데, 이러한 모델은 일반적으로 장거리 고품질 데이터셋에서 학습 및 평가된다. 이러한 데이터셋은 일반적으로 여러 차량이나 드론의 데이터를 집계하고 객체 검출 또는 추적 노이즈를 오프라인으로 제거하여 얻는다. 그러나 실제 배포 환경에서는 주변 객체의 상태(위치, 속도, 방향)에 대한 정보가 전혀 노이즈가 없다고 할 수 없다. 객체 상태 추정은 지각 불확실성과 위치 추정 오류의 영향을 받으며, 차량-모든것(V2X) 통신을 통해 수신한 객체의 경우 이러한 오류가 특히 클 수 있다. 본 논문에서는 노이즈가 포함된 객체 상태 정보가 최신 트랜스포머 기반 상호작용 인식 궤적 예측 모델의 궤적 예측 정확도에 미치는 영향을 분석한다. 우리 연구는 노이즈 강도가 증가함에 따라 궤적 예측 정확도가 급격히 저하될 수 있음을 보여준다. 수치 결과는 작은 노이즈 수준에서는 예측 정확도가 1.3배 요인만큼 감소할 수 있으며, 가장 높은(그러나 현실적인) 노이즈 조건에서는 최대 3.9배까지 감소할 수 있음을 보여준다. 이러한 결과는 궤적 예측 모델이 노이즈 데이터에 매우 민감함을 드러내며, 보다 현실적인 학습 및 평가 데이터셋과 노이즈 완화 전략의 필요성을 강조한다.